具有AR(1)误差的线性随机效应模型中方差齐性和自相关性的检验

在回归分析中，方差齐性是一个很基本的假设．本文对具有AR(1)误差的线性随机效应模型，研究了方差齐性和自相关性的检验问题．我们分别讨论了随机误差异方差、随机效应异方差、多元异方差以及自相关性的检验问题，并用score检验方法给出了三种方差齐性和自相关性的检验统计量．随机模拟的结果表明，当样本容量较大时，检验的功效较好．本文还给出一个数值例子说明检验方法的实用性．另外，模型的结果也可以推广到非线性情形．     

随机权函数非线性回归模型的异方差统计分析

在回归分析中，随机误差是否存在方差齐性是理论与实际工作者都十分关心的问题，方差齐性假设并不总是正确的，在线性和非线性回归中关于异方差的诊断问题已有许多讨论（[1],[2],[4],[5]）。本文在韦博成（1995）讨论了加权非线性回归模型的基础上，用随机系数的方法，讨论随机权函数非线性回归模型中的异方差检验问题，得到了方差齐性检验的似然比统计量和score统计量，同时，当模型存在异方差时，本文给出了估计方差的一种方法。     

随机权函数半参数回归模型的导方差统计分析

在回归分析中,观测值的方差齐性只是一个基本的假定,在参数、半参数和非参数回归模型中关于异方差检验和估计问题已有很多研究.本文在冉昊和朱忠义(2004)讨论的半参数回归模型的基础上,用随机参数方法,讨论随机权函数半参数回归模型中的异方差检验问题,得到了方差齐性检验Score统计量,同时,当半参数模型存在异方差时,本文还给出了估计方差的方法.     

具有结构变化的非线性回归模型的阶段异方差检验

对于具有结构变化的非线性回归模型,两阶段的随机误差同时具有方差齐性是一个基本假设,但是该假设未必正确．本文研究该模型阶段异方差的检验问题．首先探讨了两阶段异方差的同时检验,然后构造了两阶段异方差的两个单个检验,分别得到了同时检验和单个检验的score统计量以及相应的调整形式．然后应用得到的检验统计量分析了南澳大利亚洋葱数据的阶段异方差性(Ratkowsky,1983),并用AIC,SBC进行模型比较,得到的结果与检验结果非常吻合．最后,用Monte Carlo模拟方法研究了统计量的检验功效．     

非参数回归模型异方差的小波检验

在非参数回归模型的讨论中, 通常假定方差具有齐性结构. 然而事前并不能保证方差齐性. 因此需要检验异方差性. 基于小波方法提出了一种相合的非参数异方差检验. 首先定义了回归模型的条件方差函数的经验小波系数, 然后证明了其渐近正态性. 在此基础上, 利用 Fan 的小波收缩的概念, 提出了异方差性检验的统计量. 模拟结果表明, 本检验方法优于传统的非参数检验方法.     

广义空间模型的方差齐性检验

研究了广义空间模型的方差齐性检验问题,在异方差情形下导出了Score检验统计量的具体形式和近似分布.分别应用于混合空间自回归模型和空间误差模型,给出了相应的检验统计量和渐近分布.并利用Monte Carlo模拟对检验统计量的性质进行分析.最后,通过中国能源利用效率的区域特征数据证明了方法的有效性.     

非参数自回归模型异方差的小波检验

本文讨论了非参数自回归模型异方差的检验问题.在非参数自回归模型的建模过程中,通常假定方差为常数.然而在建模前,我们应该首先检验这-假定是否成立.本文将利用小波方法来检验异方差问题.我们首先利用核估计方法定义经验小波系数,然后讨论其渐近性质.在此基础上,我们提出了异方差性检验的统计量.数值模拟结果表明,我们的方法表现良好.     

非线性纵向数据模型中方差和自相关系数的齐性检验

刻画纵向数据的协方差结构有三个可能因素：随机效应、序列相关和随机误差．在纵向数据分析中，模型方差的齐性是一个基本假定．但是，该假设未必正确．Zhang和、Weiss^[1]研究了具有随机效应的线性模型的异方差检验．林金官和韦博成^[2]将Zhang和、Weiss^[1]的结果推广到非线性情形．本文对具有自相关误差的非线性纵向数据模型，研究了方差齐性和相关系数的齐性检验，得到了检验的score统计量并应用于血浆渗透数据(见Davidian和Giltian^[3])．最后，本文还给出了模拟结果．     

单指标模型异方差检验（英文）

在可加回归模型中,高维回归分析一般采用单指标模型.该模型与参数模型相比更加灵活,同时避免了维数灾难,因为单指标将标准变量向量的维数降低为单变量指标.本文构建了一个带有函数型误差项的单指数回归模型用于检验单指标模型的异方差性.由于回归模型的有效推断要求在存在异方差的情况下考虑异方差,本文提出了检验单指标模型方差不变性的假设.将Levene检验和无限因子水平的方差分析理论结合得到检验统计量用来评估方差同质性.模拟研究显示与已有方法相比,所提检验统计量适用于多种情形.最后将本文的方法应用于分析一组实际数据.     

在非线性回归模型中误差为AR(2)的相关性检验

本文讨论了在非线性回归模型中误差为AR(2)的相关性检验，得到了误差相关性检验的似然比检验统计量、Score检验统计量．对感兴趣参数和多余参数，利用Cox and Reid(1987)提出的正交化方法，给出了修正的似然比检验统计量和Score检验统计量．推广了胡跃清，韦博成(1994)讨论的在非线性回归模型中误差为AR(1)相关性检验的结果．